摘 要

行人群组识别是近几年来较新的研究领域，群组识别算法研究对视频监控、异常行为检测和多目标跟踪算法的研究有着重要的意义。

相关的研究表明行人小群组内部的成员在行走时会有语言、手势、眼神和动作的交流，他们不仅在距离上相互靠近，也有这特定的社会关系，一般是朋友、同学、家人等。社会学的研究表明在公众场合大多数人都不愿单独行走，因此通过对行人小群组的研究，我们往往可以找到行人的社会行为规律，从而应用到人类社会学上比如行人社会的研究、案件的侦查等。

本文基于视频所获得的轨迹数据，进行了行人小群组的算法研究，主要工作如下：

1.行人小群组轨迹数据集的建立和群组行为的分析。本文对武汉理工大学某区域的行人视频数据进行统计分析，在行人小群组的内部成员、间距、构型、速度、方向以及加速度等进行了分析研究。最后的得出了行人小群组同一群组成员会保持相对稳定的速度、大致相同的方向和加速度以及一定的群组构型进行运动行进。

2．基于轨迹数据集，采用凝聚层次聚类算法进行群组识别。通过对行人小群组数据集和群组行为的分析，构建出行人小群组不相似矩阵，用聚类算法进行行人小群组聚类算法的设计和实现。

关键词：小群组 群组分析 群组识别 聚类算法

Abstract

Pedestrian recognition is a new research field in recent years. It has important significance for the research of video surveillance, abnormal behavior detection and multi object tracking algorithms.

Related studies have shown that members of a small group inside the pedestrian will exchange language, gestures, eye contact and movement while walking, they not only close to each other in distance, but also this specific social relations, usually friends, classmates, family members and so on. Sociological research shows that most people in the public do not want to walk alone, and therefore the study of a small group of pedestrians, we can often find the law of social behavior of pedestrians, which applied to the human sociological example: pedestrian Social Research , case investigation and so on.

Based on the video track data obtained, studied a small group of pedestrians algorithm, the thesis’main work is as follows:

1. Analysis of the establishment of group behavior and pedestrian track small group of data sets. In this paper, the pedestrian video data in a region of Wuhan University of statistical analysis, within a small group of members of pedestrians, spacing, configuration, speed, direction and acceleration were analyzed. The final results of a small group of members of the same group of pedestrians to remain relatively steady rate, substantially the same direction and acceleration, and a certain group configurations for motion travel.

2. Based on the trajectory data sets using agglomerative hierarchical clustering algorithm to group identification. Through small group of pedestrians data sets and group behavior analysis to build a small group of people to travel without similarity matrix, design and implement a small group of pedestrians clustering algorithm using clustering algorithm.

Keywords: Small Groups group analysis group identification clustering algorithm

目 录

摘要 I

Abstract II

第1章 绪论 1

1.1聚类算法研究的背景与意义 1

1.2 群组识别的国内外发展现状 1

1.3 本文研究内容 2

1.4 本文的组织架构 2

1.5本章小结 3

第2章 行人轨迹数据集的建立和群组行为分析 4

2.1建立行人轨迹数据库 4

2.2 群组行人行为分析 5

2.2.1 行人群组间速度分析 5

2.2.2 行人群组成员在距离方面的规律 7

2.2.3行人群组运动方向分析 7

2.3 本章小结 8

第3章 基于轨迹的群组识别聚类算法的选取 9

3.1常见的聚类算法比较 9

3.1.1层次聚类算法 9

3.1.2 K-means算法 9

3.1.3 基于密度的聚类算法 10

3.1.4 基于图论的聚类算法 10

3.1.5 SOM聚类算法 10

3.2群组识别聚类算法的选取 11

3.3本章小结 11

第4章 基于凝聚层次聚类的群组识别算法设计与实现 12

4.1 聚类特征选择 12

4.2相似度度量 12

4.3 层次聚类算法描述 13

4.4 程序描述 13

4.5 结果检测以及判定 15

4.6 本章小结 16

第5章 结束语 17

5.1 结论 17

5.2 毕设感想 17

5.3 不足与展望 18

参考文献 19

致谢 21

第1章 绪论

行人小群组识别的研究开始与二十世纪五十年代，它的基础是聚类算法的研究，随着聚类算方法的不断发展，行人小群组识别算法也在不断前进中发展着。

1.1历史上对聚类算法研究与意义

对于聚类的分析一直以来都是人类社会生活的重要主题，早在我们童年的时候就会开始不由自主地同身边的小伙伴聚集在一起，同时也开始以聚类的模式来区分不同的动物比如鸟类和哺乳动物，同样的我们也学会来了以聚类的模式来区分不同的事情。现在随着社会的不断前进聚类分析开始在各个方面广泛的进行了应用和发展，最多的是在图像处理、数据分析以及模式识别的方面。

行人小群组识别算法的设计就是将聚类算法应用到行人社会的研究，通过行人轨迹识别出行人的群组分类，便可以将视频中的各个行人进行同一分类处理从而进一步研究行人的社会学的特征用于统计分析，找出行人社会学的行为规律。

1.2 群组识别的国内外发展现状

在二十世纪五十年代，行人群组就被定义为相互作用的个体。近年来国内对于群组的研究开始有了很大的关注和发展。我国国内知名教授金建国通过相关的理论知识将聚类的算法分为了以下几种:

(1)基于层次的方法；（2）基于划分的方法；（3）基于密度的方法；（4）基于模型的方法：（5）基于网格的方法；（6）模糊聚类方法；（7）基于图论的方法；（8）基于分形的方法；（9）复杂网络聚类方法；。对于行人小群组来说主要是应用基于层次聚类的算法，基于网格和密度的聚类算法^[1]。金教授指出直接导致数据集聚类结果的好坏有3个因素：类数目的正确获取，决定数据点之间亲密度的距离函数和高效的聚类算法。他指出了各种聚类算法的优劣，对聚类算法进行了简要的剖析主要从聚类算法、距离函数、类数目的确定和算法评估来介绍。武汉理工大学教授和导师针对行人群组识别进行了层次聚类算法的分析和实验，分别从群组的速度，距离以及群组之间的成员所形成的夹角之间来研究分析。